1

CHƯƠNG 1
TỔNG QUAN
Trong chương này, tác giả nêu ra lý do chọn đề tài, xác định mục tiêu, đối tượng và
phương pháp làm cơ sở cho toàn bộ quá trình nghiên cứu của đề tài. Ngoài ra, tác giả cũng
nêu lên những đóng góp dự kiến, cũng như kết cấu của toàn đề tài giúp ích cho người đọc
có thể khái quát và quan tâm đến bài viết.
1.1. Lý do chọn đề tài
Hoạt động tín dụng là hoạt động mang tính truyền thống và đem lại lợi nhuận cao
nhất cho NH. Nhưng tất nhiên là đi kèm với lợi nhuận cao là rủi ro lớn. Rủi ro này không
những chỉ ảnh hưởng đến NH cho vay tín dụng mà còn có thể ảnh hưởng xấu đến toàn bộ
nên kinh tế, đặc biệt là nền kinh tế đang phát triển tại Việt Nam. Hiện nay, các NHTM
Việt Nam đang phát triển đa dạng các sản phNm tín dụng dành cho mọi đối tượng. Trong
đó, thẻ tín dụng dành cho KH cá nhân là một sản phNm điển hình được nghiên cứu trong
đề tài. Đây là hình thức cho vay tín chấp chứa đựng nhiều rủi ro. Việc quản trị rủi ro bằng
hệ thống XHTD đã được áp dụng cho sản phNm này ngay từ khi nó ra đời. Tuy nhiên, qua
quá trình nghiên cứu, hệ thống bộc lộ một số hạn chế. Việc đề xuất một mô hình thống kê
định lượng để hoàn thiện hơn hệ thống XHTD tại NH Đông Á (NH mà đề tài nghiên cứu)
là một vấn đề mang tính tất yếu và chiến lược.
1.2. Mục tiêu nghiên cứu của đề tài
 Xác định các yếu tố ảnh hưởng đến khả năng đảm bảo trả nợ thẻ tín dụng của các
KH sử dụng thẻ tín dụng NH Đông Á. Từ đó, ước lượng mức độ ảnh hưởng của từng
yếu tố.
 Xây dựng và hoàn thiện mô hình dự báo mức độ tín nhiệm hay xác suất trả nợ bằng
mô hình Binary Logistic. Đề tài phải đưa ra được tiêu chuNn phân bổ KH vào các nhóm
theo mức độ tín nhiệm vừa ước lượng từ mô hình.
2

1.3. Đối tượng và phương pháp nghiên cứu
1.3.1. Đối tượng

dụng cá nhân nói riêng. Từ đó, hình thành cơ sở và phương pháp luận để tiếp tục nghiên
cứu trong các chương tiếp theo của đề tài.
2.1. Tổng quan về xếp hạng tín dụng
2.1.1. Các khái niệm về xếp hạng tín dụng
Bắt đầu từ thập kỷ 70, dự báo rủi ro tài chính đã trở thành một hướng phát triển
mạnh mẽ của mô hình hóa xác suất thống kê. Khi nhắc tới rủi ro tài chính gần như ngay
lập tức người ta liên tưởng tới hoạt động quản lý danh mục đầu tư, định giá quyền chọn
(option) và các công cụ tài chính khác. Công thức định giá quyền chọn (option) Black-
Scholes, bài viết về định giá trái phiếu công ty của Merton, là những khái niệm quen
thuộc. Và xếp hạng tín dụng cũng là một trong những hoạt động nhằm quản lý rủi ro tài
chính mà các tổ chức tài chính trên thế giới, thậm chí cả quốc gia quan tâm và ứng dụng
từ rất sớm.
Xếp hạng tín dụng (credit ratings) là thuật ngữ do Moody đưa ra năm 1909 trong
cuốn “CNm nang chứng khoán đường sắt”, khi tiến hành nghiên cứu, phân tích và công bố
bảng xếp hạng tín dụng đầu tiên cho 1500 trái phiếu của 250 công ty theo một hệ thống ký
hiệu gồm 3 chữ cái A, B, C được xếp lần lượt từ (AAA) đến (C). Hiện nay, những ký hiệu
này trở thành chuNn mực quốc tế. Ở Việt Nam thuật ngữ xếp hạng tín dụng đang tồn tại
nhiều tên gọi như: xếp hạng tín nhiệm, xếp hạng doanh nghiệp, định dạng tín dụng, xếp
hạng KH. Trong đề tài này tác giả dùng thuật ngữ “xếp hạng tín dụng” (XHTD). Cho đến
nay, khó có thể đưa ra một khái niệm rõ ràng về xếp hạng tín dụng. Tùy theo góc độ
nghiên cứu mà chúng ta có thể xác định nội dung của thuật ngữ này:
 “XHTD là một phương pháp thống kê được dùng để dự đoán xác suất của một
hồ sơ vay hoặc người đang vay sẽ vỡ nợ hay không trả nợ đúng hạn” (Loretta
J.Mester,2004);
4

 “XHTD là một quy trình đánh giá xác suất một KH không thực hiện được các
nghĩa vụ tài chính của mình đối với NH cho vay như không trả được nợ gốc và lãi
vay khi đến hạn hoặc vi phạm các điều kiện tín dụng khác”.( Theo sổ tay tín dụng
của Agribank);

khác nhau, nhưng về cơ bản vẫn dựa trên các chỉ tiêu tài chính và phi tài chính của doanh
nghiệp để đánh giá. Thông thường, các tổ chức tài chính, NHTM, công ty chứng khoán,
các tổ chức nghiên cứu và ngay cả một vài cơ quan của NHNN (như CIC) cũng xây dựng
hệ thống XHTD doanh nghiêp cho mình.
Thứ ba, XHTD quốc gia, loại hình XHTD này đánh giá mức độ tin cậy của một
quốc gia, để từ đó có thể so sánh môi trường đầu tư giữa các quốc gia. Quốc gia nào càng
được XHTD cao thì càng nhận được sự tín nhiệm của các nhà đầu tư nước ngoài nên sẽ
thu hút được nhiều nguồn vốn đầu tư. Việc XHTD các quốc gia dựa trên các chỉ số phát
triển chung như: chỉ số phát triển các ngành, chỉ số an toàn vốn đầu tư, tốc độ tăng trưởng
kinh tế của quốc gia, mức độ bình ổn chính trị, …
Thứ tư, XHTD các công cụ đầu tư, các công cụ được xếp hạng chủ yếu vẫn là các
công cụ như: trái phiếu công ty, trái phiếu chính phủ và các loại trái phiếu, kì phiếu của
ngân hàng. Ở một số nước và một số tổ chức XHTD hiện này còn XHTD cả cổ phiếu ưu
đãi, cổ phiếu thưởng… Việc XHTD đối với các loại công cụ đầu tư được thực hiện dựa
trên một số chỉ tiêu như: khả năng thanh khoản, kì hạn, lãi suất, mệnh giá, các rủi ro có
thể gặp phải…
Ở nước ta hiện nay mới chỉ tập trung xếp hạng các doanh nghiệp tham gia hoạt động
tín dụng ở các NHTM, các doanh nghiệp niêm yết trên thị trường chứng khoán, chưa có
nhiều sản phNm, công cụ đầu tư,… nên việc XHTD các công cụ đầu tư là chưa được chú
ý. Xếp hạng quốc gia thì chúng ta chưa có khả năng thực hiện mà chỉ dành cho những tổ
chức xếp hạng lớn như Moody’s, Stand & Poor hay Fitch,… xếp hạng. XHTD cá nhân
thì do việc thu thập và tìm kiếm thông tin đối với những đối tượng này khá phức tạp và
khó kiểm soát, nên việc XHTD cá nhân vẫn chưa tiến hành phổ biến.
6 2.1.3. Đặc điểm của xếp hạng tín dụng
XHTD có một số đặc điểm sau:
Thứ nhất, XHTD được tiến hành dựa trên những thông tin thu thập được từ những
đối tượng được XHTD, và những nguồn thông tin được coi là đáng tin cậy.

hành phân loại (xếp hạng) tín nhiệm KH đó.
Trong các vấn đề được đặt ra ở trên có thể nói vấn đề (3) và (4) là quan trọng
nhất và cũng phức tạp nhất. Bên cạnh đó, do giới hạn trong dữ liệu nghiên cứu, nên
trong đề tài này tác giả tập trung giải quyết 2 vấn đề nêu trên.
2.1.5. Nguyên tắc của xếp hạng tín dụng
Khái niệm hiện đại về XHTD được tập trung vào các nguyên tắc chủ yếu bao gồm
phân tích tín nhiệm trên cơ sở ý thức và thiện chí trả nợ của người đi vay và từng khoản
vay; đánh giá rủi ro toàn diện và thống nhất dựa vào hệ thống ký hiệu xếp hạng.
Trong phân tích XHTD cần thiết sử dụng phân tích định tính để bổ sung cho những
phân tích định lượng. Các dữ liệu định lượng là những quan sát được đo lường bằng số,
các quan sát không thể đo lường bằng số được xếp vào dữ liệu định tính. Các chỉ tiêu phân
tích có thể thay đổi phù hợp với sự thay đổi của trình độ công nghệ và yêu cầu quản trị rủi
ro.
Việc thu thập số liệu để đưa vào mô hình XHTD cần được thực hiện một cách khách
quan, linh động, có kiểm chứng. Sử dụng cùng lúc nhiều nguồn thông tin để có được cái
nhìn toàn diện về tình hình tài chính của khách hàng vay.
Vì KH cá nhân khó kiểm soát và hay thay đổi nên việc thay đổi thông tin của KH
phải được cập nhật thường xuyên và đầy đủ để có những bước tái xếp hạng. Từ đó, các tổ
chức tín dụng sẽ ra quyết định tái cấp hay ngưng cấp tín dụng cho KH.
8

Kết quả XHTD chỉ mang tính chất hỗ trợ cho việc ra quyết định cấp tín dụng cho
KH.
Kết quả XHTD phải đơn giản, dễ hiểu, dễ so sánh: xây dựng thang điểm, các chỉ tiêu
được cho điểm, sau đó tổng hợp lại và phản ánh qua biểu tượng xếp hạng theo mẫu tự
Latin.
2.1.6. Tầm quan trọng của xếp hạng tín dụng cá nhân
Do việc XHTD cá nhân chưa thật sự rộng rãi, nên theo nhận định của tác giả việc
XHTD ảnh hưởng đến các đối tượng mà nó liên quan như sau:
2.1.6.1. Đối với ngân hàng thương mại

kém, thiếu minh bạch; bất cân xứng thông tin; việc xác định hạn mức tín dụng cho khách
hàng còn quá đơn giản. Hơn nữa, rủi ro trong hoạt động ngân hàng có thể gây ra những
tổn thất to lớn cho nền kinh tế hơn bất cứ rủi ro của các loại hình doanh nghiệp khác, vì
tính chất lây lan của nó có thể làm rung chuyển toàn bộ hệ thống kinh tế của một quốc gia
và theo phản ứng dây chuyền.
Thiệt hại từ rủi ro tín dụng cá nhân
Khi rủi ro tín dụng ảnh hưởng nặng nề đến hoạt động kinh doanh của NHTM sẽ gây
tâm lý hoang mang lo sợ cho người gửi tiền và có thể những người gửi tiền sẽ ồ ạt rút tiền
làm cho toàn bộ hệ thống ngân hàng gặp khó khăn. Sự hoảng loạn này ảnh hưởng rất lớn
đến toàn bộ nền kinh tế, làm cho sức mua giảm, giá cả tăng, xã hội mất ổn định. Rủi ro tín
dụng của NHTM trong nước cũng ảnh hưởng đến nền kinh tế các nước có liên quan do sự
hội nhập đã gắn chặt mối liên hệ về tiền tệ, đầu tư giữa các quốc gia.
NHTM gặp rủi ro tín dụng sẽ khó thu được vốn tín dụng đã cấp và lãi cho vay,
nhưng ngân hàng phải trả vốn và lãi cho khoản tiền huy động khi đến hạn, điều này làm
cho ngân hàng mất cân đối thu chi, mất vốn tự có, mất khả năng thanh khoản, không thể
hoàn trả được số tiền huy động, làm mất lòng tin người gửi tiền, ảnh hưởng đến uy tín của
ngân hàng.
Vì vậy, tính chất trung gian đặt ra yêu cầu đầu tiên đối với NHTM là phải thường
xuyên thu hồi được số vốn đã cho vay để duy trì khả năng hoàn trả số tiền huy động của
KH và bảo toàn vốn của mình.
10

Vai trò của hệ thống xếp hạng tín dụng
- Hạn chế rủi ro tín dụng và những rủi ro khác của ngân hàng.
- Hỗ trợ ra quyết định cấp tín dụng: xác định hạn mức tín dụng, thời hạn, mức lãi
suất, biện pháp bảo đảm tiền vay,…
- Giám sát và đánh giá KH, khi khoản tín dụng đang còn dư nợ. Thứ hạng KH
cho phép ngân hàng dự báo chất lượng tín dụng và có những biện pháp đối phó kịp
thời.
- Xác định các buớc đảm bảo đơn giản hoá thủ tục cho vay của ngân hàng, tối

hàng phù hợp với điều kiện của mình mà giảm thiểu rủi ro cho ngân hàng.
Việc XHTD ngày càng được hiện đại hóa và đơn giản hóa để giảm thiểu thời gian,
chi phí và đáp ứng mọi nhu cầu cho KH.
Tất cả các KH đều được đánh giá xếp hạng trên một hệ thống quy chuNn chung,
thống nhất trên toàn ngân hàng; hạn chế việc đánh giá cảm tính, chủ quan của nhân viên
tín dụng, hay kết quả đánh giá xếp hạng khác nhau tại những nơi khác nhau của một hệ
thống ngân hàng.
2.1.7. Quy trình của hệ thống xếp hạng tín dụng
Trong quá trình tiến hành XHTD một đối tượng, người ta phải thực hiện nhiều công
việc khác nhau theo một trình tự nhất định. Những công việc này có những mối liên kết và
bổ sung lẫn nhau, bởi vậy quy trình xếp hạng cần được xếp theo một trình tụ hợp lý và
khoa học. Trên cơ sở tham khảo và rút kinh nghiệm của các quy trình xếp hạng đã được
công bố trên thế giới, trình tự cơ bản của XHTD được tác giả tổng hợp tiến hành theo sơ
đồ 2.1:
12

- Kết quả có đảm bảo tính khách
quan chính xác và đáng tin cậy
không?

5 – Đưa ra kết quả đánh giá chính
thức
- Công bố kết quả
- Đưa ra những quyết định cần thiết
- Lưu hồ sơ
Có
Không
Có
Không 13 2.2. Các nhân tố cần được xem xét khi xếp hạng tín dụng cá nhân
XHTD cá nhân có hai kỹ thuật đánh giá cơ bản hỗ trợ tổ chức tín dụng ra quyết định
cấp tín dụng cho khách hàng là tính điểm tín dụng (sử dụng các yếu tố đặc điểm nhân thân
và tài chính) và tính điểm hành vi (sử dụng các yếu tố về hành vi). Để ra quyết định cấp
tín dụng cho khách hàng giao dịch lần đầu tiên, tổ chức tín dụng sử dụng kỹ thuật tính
điểm tín dụng. Các quyết định đối với khách hàng hiện tại (có tăng hạn mức tín dụng
không? áp dụng chính sách marketing nào? nếu khách hàng không trả nợ đúng hẹn thì xử
lý ra sao?) được đưa ra dựa trên điểm số về hành vi của khách hàng. Vì vậy, khi tiến hành
XHTD cá nhân theo hai kỹ thuật trên cần phải phân tích các nhân tố theo từng nhóm, phục
vụ cho mục tiêu nghiên cứu, ứng dụng khác nhau. Qua tổng hợp từ các nghiên cứu liên
quan với cả hai kỹ thuật, tác giả muốn hệ thống lại các nhân tổ có thể ảnh hưởng đến khả
năng trả nợ của mỗi cá nhân, cụ thể như sau:

- Loại hình công việc của KH.
2.2.2. Tài chính cá nhân
Phân tích thông tin tài chính và các mối liên hệ tài chính là quan trọng nhất với
XHTD cá nhân, vì đây là cơ sở chính cho thấy khả năng trả được nợ tín dụng của KH, từ
đó ra quyết định cấp hạn mức cho KH. Các chỉ tiêu tài chính cần được phân tích:
- Thu nhập ròng hàng tháng;
- Tiết kiệm;
- Giá trị tổng tài sản nợ (tổng dư nợ);
- Giá trị tài sản đảm bảo;
- Mối quan hệ với ngân hàng;
- Số dịch vụ khác đang sử dụng;
- Số sản phNm tín dụng khác đang sử dụng;
- Hình thức chi lương;
- Số lần vay nợ mới.

15

2.2.3. Hành vi sử dụng tín dụng của cá nhân
Ngoài những nhân tố nêu trên nhằm ra quyết định ban đầu cho một KH được vay tín
dụng. Tuy nhiên, những nhân tố trên không phản ánh được cách thức, mục đích, nhu cầu
sử dụng tín dụng và uy tín của KH với việc trả nợ. Vì vậy, chúng ta cần phải phân tích các
nhân tố thuộc về hành vi sử dụng tín dụng của KH. Những nhân tố này cho thấy được
cách thức, thói quen, mục đích, nhu cầu riêng về sử dụng tín dụng, cũng như uy tín của họ
trong trả nợ với ngân hàng. Từ những kết quả phân tích hành vi rút ra được, các tổ chức
tín dụng (NHTM) có thể ra quyết định tăng, giảm hạn mức hoặc ngưng cấp tín dụng; xây
dựng chính sách marketing phù hợp với nhu cầu của KH; cách thức thu hồi nợ tín dụng
dưa trên nắm bắt thói quen chi tiêu; để có thể giảm được thấp nhất rủi ro tín dụng. Vậy,
các nhân tố cần được phân tích như sau:
- Thói quen chi tiêu (% thanh toán bằng tín dụng);
- Uy tín trong giao dịch;

Phương pháp chuyên gia dựa trên cơ sở đánh giá tổng kết kinh nghiệm, khả năng
phản ánh tương lai một cách tự nhiên của các chuyên gia giỏi và xử lý thống kê các câu
trả lời một cách khoa học. Nhiệm vụ của phương pháp là đưa ra những dự báo khách quan
về tình hình hiện tại và tương lai phát triển của một lĩnh vực khoa học dựa trên việc xử lý
có hệ thống các đánh giá dự báo của các chuyên gia.
Trong XHTD phương pháp này dựa trên những kinh nghiệm đã được đúc kết của
các chuyên gia, qua đó để có thể tìm ra bản chất của mối quan hệ giữa có đảm bảo trả nợ
và các nhân tố ảnh hưởng đến nó. Kinh nghiệm được tích lũy từ:
• Những quan sát và trải nghiệm thực tế mang tính chủ quan;
• Phỏng đoán về mối tương quan của các nhân tố nhân thân và đảm bảo trả nợ;
• Các kiến thức tổng quát liên quan tới việc có đảm bảo trả nợ hay không?
17

Có rất nhiều mô hình sử dụng phương pháp chuyên gia và thường được nhóm dưới
tiêu đề là lớp mô hình chNn đoán và chia thành:
- Bảng câu hỏi đánh giá cổ điển;
- Hệ thống định tính;
- Hệ thống chuyên gia.
Trong XHTD, những mô hình này thường sử dụng mối quan hệ giữa trả nợ và cho
vay của đối tượng được đánh giá, để đưa ra những đánh giá về khả năng đảm bảo trả nợ
của người đi vay trong tương lai. Chất lượng của những mô hình chNn đoán phụ thuộc vào
kinh nghiệm chủ quan của các chuyên gia tín dụng chính xác đến mức nào. Hơn nữa,
không chỉ những nhân tố liên quan tới khả năng đảm bảo trả nợ được xác định bằng kinh
nghiệm mà mức độ tương quan và trọng số của chúng trong toàn bộ đánh giá cũng được
đánh giá dựa trên những kinh nghiệm chủ quan. Trong thực tế bảng câu hỏi đánh giá cổ
điển đã được sử dụng phổ biến và nội dung chính được tóm tắt như sau.
Bảng câu hỏi đánh giá cổ điển
Đây là phương pháp mà người ta tiến hành cho điểm và trên cơ sở thang điểm đã
được ấn định để xếp hạng một cá nhân, được tiến hành theo các bước sau:
Bước 1: Xác định nội dung và tiêu thức cần đánh giá,

2.3.2. Phương pháp thống kê
Phương pháp thống kê là một trong những phương pháp nghiên cứu chính xác.
Phương pháp thống kê là một quá trình, bao gồm điều tra thống kê, khái quát hóa thông
tin (còn gọi là tổng hợp thống kê), phân tích và dự báo. Đây chính là quá trình mô hình
hóa toán học các vấn đề cần phân tích theo mục tiêu của nghiên cứu. Bằng cách này ta
mới có khả năng ứng dụng rộng rãi các phương pháp phân tích thống kê nhiều chiều, lý
19

thuyết điều khiển, lý thuyết dự báo,…cũng như tin học và máy tính trong quá trình nghiên
cứu.
Trong thực tế, tùy thuộc vào phương pháp thống kê được sử dụng trong XHTD ta có
thể tiếp cận theo các mô hình thống kê sau:
- Mô hình phân tích phân biệt (MDA);
- Mô hình hồi quy;
- Mô hình Logit và Probit;
- Mạng Neutral;
- Phương pháp lân cận gần nhất K;
- Phương pháp giải thuật di truyền (Genetic Algorithm);
- Sơ đồ cây phân loại (Classification Tree Analysis).
Trong khi các mô hình chNn đoán XHTD phụ thuộc vào đánh giá chủ quan của các
chuyên gia tín dụng, những mô hình thống kê lại kiểm định các giả thuyết sử dụng các thủ
tục thống kê trên bộ dữ liệu thực nghiệm. Trong quá trình XHTD, sử dụng các thủ tục
thống kê đòi hỏi việc đưa ra các giả thuyết liên quan tới tiêu chuNn khả năng đảm bảo trả
nợ. Những giả thuyết này xem xét đến khả năng đảm bảo trả nợ của cá nhân là cao, thấp
hơn khả năng trả nợ trung bình của những người có khả năng trả nợ so với những người
không có khả năng trả nợ. Những thông tin về khả năng trả nợ của mỗi cá nhân đều được
thể hiện qua bộ số liệu thực nghiệm, những giả thuyết này có thể bị bác bỏ hoặc được
chấp nhận một cách phù hợp.
Khi các thủ tục thống kê được sử dụng, thì sự lựa chọn và xác định trọng số cho
những nhân tố có ảnh hưởng đến khả năng trả nợ của cá nhân được tiến hành một cách

dụng DA là không thể thực hiện được. Mô hình này chỉ thực sự phù hợp cho việc phân
tích số liệu là các chỉ tiêu tài chính.
Khi đánh giá tính thích hợp của mô hình DA thì điều cần thiết là việc kiểm định xem
nó có thỏa mãn các giả thiết toán học không, đặc biệt là tính phân phối chuNn của các
nhân tố liên quan tới khả năng trả nợ. Nếu giả thiết về tính phân phối chuNn không được
thỏa mãn, thì kết quả mô hình là không tối ưu và ít có ý nghĩa trong sử dụng cũng như đạt
được sự công nhận.
21

Một lợi thế của việc sử dụng mô hình phân tích phân biệt so với thủ tục phân loại
khác là hàm phân biệt có dạng tuyến tính và hệ số riêng được diễn tả bằng thuật ngữ kinh
tế.
Mô hình Logit (hồi quy Binary Logistic)
Mô hình Logit nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc lập
khác. Mục tiêu của các mô hình này là sử dụng những nhân tố có ảnh hưởng đến khả năng
đảm bảo trả nợ (biến độc lập) để xác định khả năng trả được nợ (biến phụ thuộc) của cá
nhân này là bao nhiêu. Nghĩa là, mô hình Logit có thể ước lượng xác suất một cá nhân có
trả được nợ là bao nhiêu trực tiếp từ mẫu. Trong XHTD cá nhân người ta thường sử dụng
mô hình Logit để thể hiện mối quan hệ này.
Cấu trúc của dữ liệu trong mô hình như sau:
BIẾN LOẠI
Phụ thuộc Nhị phân
Độc lập Liên tục hoặc rời rạc
Giả sử biến giả (Y) phụ thuộc vào một chỉ số khả dụng Y*.
Trong đó:
2
16
(0.05) 26.296
χ
=


=


22

Khi đó, kỳ vọng toán và phương sai được tính như sau:
E (Y
i
) = n
i
P
i

Var (Y
i
) = n
i
P
i
(1 – P
i
)
Vì Y
i
là biến ngẫu nhiên phân phối theo quy luật Bernoulli nên theo luật số mũ
chúng ta có thể viết lại như sau:
1
(1 ) (1 )exp log
1

i
= P (Y
i
= 1)
P
i
= P (Y
i
* > 0)
P
i
= P
1 2 2
( 0)
i k ki i
X X
β β β ε
+ + + + >

P
i
= P
1
2
( ( ))
n
j ji
i
X
ε β β

β β β
= + + +
−

1 2 2
1 2 2
( )
( 1)
1 ( )
i k ki
i i
i k ki
Exp X X
P Y P
Exp X X
β β β
β β β
 
+ + +
= = =
 
+ + + +
 

Trong mô hình trên P
i
không phải là hàm tuyến tính của các biến độc lập. Phương
trình trên được gọi là hàm phân bố Logistic. Trong hàm này khi X
i
nhận các giá trị từ

2
1
.
k
X
X X
X
 
 
 
 
=
 
 
 
 

Khi đó chúng ta có:
1 2 2
'
i k ki
X X X
β β β β
= + + +
và
1
1 2 2 1 2 2
1
( ) (1 ( )
i i

i k ki
X X
t
i i i k ki
P P Y F X X e dt
β β β
β β β
π
+ + +
−∞
= = = + + + =
∫

Trong đó F là hàm phân phối xác suất tích lũy
i
ε

Khi đó hàm hợp lý có dạng
1
1 2 2 1 2 2
1
( ) (1 ( )
i i
n
Y Y
i k ki i k ki
i
L F X X F X X
β β β β β β
−

- Thứ hai, kết quả của mô hình hồi quy Logit có thể tính được trực tiếp xác
suất của nhóm tham gia;
- Thứ ba, mô hình hồi quy Logit thường cho kết quả chính xác hơn mô hình
DA. Những năm gần đây, mô hình này được sử dụng nhiều trong nghiên
cứu lý thuyết và thực tế.
Lân cận gần nhất K và mạng neutral (còn gọi là mạng nơron thần kinh)
25

Machine learning là một lĩnh vực của trí tuệ nhân tạo mà nó liên quan đến thiết kế và
phát triển các thuật toán cho phép cải thiện khả năng thực thi các chức năng dựa trên cơ sở
dữ liệu. Mục tiêu chính trong nghiên cứu machine learning là đưa ra những mô hình có
kết quả được tạo ra một cách tự động từ những quy luật hay kiểu mẫu từ dữ liệu. Do đó,
các mô hình này đòi hỏi phải có dữ liệu đầu vào lớn. Các nhóm thuật toán trong machine
learning gồm supervised learning, unsupervised learning, semi-supervised learning,
reinforcement learning, transduction và learning to learn. Mỗi nhóm này có một chức
năng khác nhau, ở đây tác giả quan tâm đến nhóm supervised learning, mà các thuật toán
của nó sau đây, đang được sử dụng để xếp hạng tín dụng trên thế giới như là những kỹ
thuật riêng lẻ tốt nhất: lân cận gần nhất K (K-nearest neighbor) và mạng neutral (mạng
nơron thần kinh).
Lân cận gần nhất K một trong số những thuật toán machine learning đơn giản nhất.
Thuật toán này phân loại dựa trên phương pháp chọn những quan sát gần nhau trong
không gian véc tơ đa chiều của các biến độc lập thành một nhóm, mức độ gần nhau của
các quan sát phụ thuộc vào K. K là một số nguyên dương và có đặc trưng là nhỏ. Tương
tự đối với hồi quy, bằng cách phân giá trị của quan sát gần với trung bình giá trị của nhóm
các quan sát nằm trong khoảng lân cận gần nhất K giá trị của biến nào càng gần mức
trung bình thì tỷ trọng của nó càng lớn.
Mạng nơron nhân tạo sử dụng nguyên lý tính toán song song bao gồm nhiều quá
trình tính toán đơn giản được kết nối với nhau. Trong mỗi quá trình này, các phép tính
được thực hiện rất đơn giản, do một nơron đảm trách. Nhưng chính những nơron đơn giản
này lại có thể giải quyết được những nhiệm vụ rất phức tạp khi chúng được kết nối, tổ